江苏龙网

  1. 首页 > 生活 > >

寒武纪神经网络处理器效能怎样( 四 )


■网友
这个芯片解决的是从无到有的问题
■网友
大概一年前看过dadiannao那文章。当时看完文章后，一拍大腿，我怎么没想到装这个逼呢。结果是不错的，配合现在CNN，DNN大热，引用数一直在往上刷。计算上特点就是实现了一个64*64，64输入64输出，的全连接网络。实现是用了16个cell，每个cell是16×16。（64×64=16×16×16）。每个cell的ASIC计算没有什么新奇，就是一排乘法，一排加法，一排插值。“创新”其实在于内存的实现上：本来这种东西最大瓶颈在于那64×64的weight的读取。这里用的解决办法是本地化在每个芯片上。用的是eDRAM，比DRAM省电（因为本地化，所以addressing功耗降低很多。）比SRAM更省电（但是慢些）。话了很多时间在benchmark，在layout，在讨论读取。当然这一切，都不是rocket－science。 ×其实我不是完全理解文章中那些64×64的weight不是一样需要传到off－chip的中央DRAM上来？怎么降低这个功耗？把这64×64都放在同一个page里面？忘了文章里面在experiment上是怎么描述这块的功耗的。有人要和CPU比？当然不公平，也没有太大意义。但是人家在paper里面吹吹还是放过别人吧。和GPU比？我觉得最大区别是GPU的版本很少memory本地化。本地化distributed localization（比如dadiannao）的缺陷在于基本固定死了网络的拓扑（64×64），这点上来说确实通用性损失很大。文章肯定可以argue说大网络，比如200*200：1）它可以复用很多个64*64，但是这样效率就会降到接近于GPU了，因为localization的gain就变得很小了。2）它可以argue说那你就需要重新tape-out一个200*200的chip。对于2），其实我一直看好用FPGA而不是ASIC。所以它不敢随便拿个github上的 应用来跑。都是针对它文章优化（挑选）过的。我觉得未来来说。大型应用还是会需要这种DaDianNao的。比如他们合作的法国inria组老大就刚去了Google。不过对于一般应用，GPU应该还会是主流。不行，我也要往上灌水。明天就和老板建议招个硕士做做这个。我连abstract都想好了。
■网友
Nividia 的帕斯卡，余凯的地平线，再加上寒武纪。问题这个市场到底有多大？
■网友
【寒武纪神经网络处理器效能怎样 】 能效比CPU和GPU没太大实际意义。但寒武纪技术上的确非常牛逼，仔细读了一下Diannao的论文和NVDLA的设计，NVDLA硬件部分基本就是在2017年拷贝Diannao 2014年提出的架构。

■网友
计算机，手机芯片的时代要过去了，将来是 AI芯片，Robot芯片了。 神经网络芯片将为Robot芯片，AI芯片作为基础，AI芯片也为量子计算机芯片作为基础也为智能家居中心作为基础，智能城市中心作为基础。比如无人机中心塔，Robot集结中心，自动驾驶车，无人车中心，工业4.0的数据中心芯片，已经涉及到更多更广的各行各业的领域，医院，学校，工厂，警察，物流，电商，交通，建筑，工程，生物，医药，研究院，等等。一切需要大量数据的位置都依赖于持续有更快处理能力，更小体积，更便宜的芯片。不过这些都是物理芯片，生物芯片还在科幻世界里面呢。biocpu, biokernel


推荐阅读


上一篇：咋认识程序员

下一篇：用高端电脑玩扫雷是怎么样一种体验